Crypto 是 AI 的幻觉

来源：佐爷歪脖山

涌现（emergence）：当许多小的个体相互作用后产生了大的整体，而这个整体展现了构成它的个体所不具备的新特性的现象，比如，生物学所研究的生命现象是化学的一个涌现特性。

幻觉（Hallucination）：模型有输出欺骗性数据的倾向，AI 模型的输出看起来是正确的，实际上是错误的。

AI 和 Crypto 的链接呈现出明显的波段起伏特征，在 2016 年 AlphaGo 战胜人类围棋职业选手后，加密世界自发诞生了 Fetch.AI 等将两者结合的尝试，自从 2023 年 GPT-4 的横空出世，这种 AI + Crypto 的热潮再起，以 WorldCoin 发币为代表，人类似乎要进入一个 AI 负责生产力，Crypto 负责分配的乌托邦时代。

这种情绪在 OpenAI 推出文生视频应用 Sora 后达到高潮，但既然是情绪，总有不理性的成分在，至少李一舟就属于被误伤的那一部分，比如

AI 的具体应用和算法研发总被混为一谈，Sora 和 GPT-4 背后的 Transformer 原理开源，但是使用二者要给 OpenAI 付费；

AI 和 Crypto 的结合尚属于 Crypto 的主动贴近，而 AI 巨头们尚未有明显意愿，现阶段 AI 能为 Crypto 做的大于 Crypto 能为 AI 做的；

在 Crypto 应用中使用 AI 技术 ≠ AI 和 Crypto 的融合，比如链游/GameFi/元宇宙/ Web3 Game/AW 中的数字人；

Crypto 能为 AI 技术发展做的，主要是在 AI 三要件算力、数据和模型上的去中心化、代币激励等方面的补强；

WorldCoin 是二者结合的成功实践，zkML 处于 AI 和 Crypto 的技术交叉点，UBI 理论（人类基本收入）进行了第一次大规模实践。

我在本文会聚焦 Crypto 能为 AI 增益之处，当前主打 AI 应用的 Crypto 项目主要是噱头，不便纳入讨论。

从线性回归到 Transformer

长期以来，涉及 AI 话题的焦点是人工智能的“涌现”会不会造就《黑客帝国》中的机械智能体或者硅基文明，在人类和 AI 技术的相处上，此类担忧一直存在，最近的是在 Sora 问世后，而稍早前也有 GPT-4（2023）、AlphaGo（2016）和 1997 年IBM 的深蓝击败国际象棋。

此类担忧从未成真也是事实，不如放松心态，简要梳理下 AI 的作用机制。

我们从线性回归出发，其实就是一元一次方程，比如贾玲的减肥机制，就可以做如下归纳，x 和 y 分别代表摄入能量和体重的关系，即吃的越多自然长得越胖，如果要减肥那么就要少吃。

但是，这样会带来一些问题，第一，人类的身高和体重有生理极限， 3 米巨人和千斤大小姐不太容易出现，因此考虑极限以外的情况缺乏意义；第二，单纯的少吃多练，并不符合减肥的科学原理，严重时会损害身体。

我们引入 BMI （Body Mass Index）身体质量指数，即体重除以身高的平方来衡量二者的合理关系，并且通过吃、睡、练三个因子来衡量身高和体重的关系，因此我们需要三个参数和两个输出，明显线性回归是不够用的，神经网络就此诞生，顾名思义，神经网络模仿的是人脑结构，思考次数越多，也有可能越合理，三思而后行，加多加深思考的次数，即深度学习（我牵强附会乱说的，大家理解意思就好）

但是层数的加深也不是无止境的，天花板依然存在，达到某个临界值可能效果就会变差，因此通过更合理的方式理解既有信息之间的关系就变得很重要，比如深刻理解身高和体重之间更细致的关系，找到以往没发现的因子，再或者贾玲找到顶级教练，但是不好意思直说想减肥，那么就需要教练揣摩下贾玲到底啥意思。

在这种场景下，贾玲和教练构成编码和解码的对手，来回传递的意思代表了双方的真正含义，但是不同于“我要减肥，给教练送礼”的直白，双方真正的意图被“意思”隐藏了起来。

我们注意到一个事实，如果双方往复的次数够多，那么各个“意思”的含义也就更容易猜出来，并且各个意思和贾玲和教练的关系也会越来越明确。

如果将这个模型扩展，那就是通俗意思上的大模型（LLM，large language model），更精确的说是大语言模型，考察的是词句之间的上下文关系，但是目前的大模型都被扩展，可以涉足图像、视频之类的场景。